HAL Id: tel-01750771
https://hal.archives-ouvertes.fr/tel-01750771v2
Submitted on 16 Nov 2014
HAL is a multi-disciplinary open access archive for the deposit and dissemination of sci- entific research documents, whether they are pub- lished or not. The documents may come from teaching and research institutions in France or abroad, or from public or private research centers.
L’archive ouverte pluridisciplinaire HAL, est destinée au dépôt et à la diffusion de documents scientifiques de niveau recherche, publiés ou non, émanant des établissements d’enseignement et de recherche français ou étrangers, des laboratoires publics ou privés.
Architecture de réseau de capteurs pour la surveillance de grands systèmes physiques à mobilité cyclique
Abdellatif Chafik
To cite this version:
Abdellatif Chafik. Architecture de réseau de capteurs pour la surveillance de grands systèmes physiques à mobilité cyclique. Automatique / Robotique. Université de Lorraine, 2014. Français.
�NNT : 2014LORR0063�. �tel-01750771v2�
soutenue le 9 juillet 2014
Sommaire
1 http://intesens.com/
2 http://www.poma.net/fr/project/index/view/id/28
3 http://www.singaporeflyer.com
C1 C 2
C3 N1
N2 N3
N4
𝑑 = (𝑥 − 𝑥) + (𝑦 − 𝑦) (2-1)
𝜌 = 𝑑 − 𝑑 (2-2)
∑ (𝜌 ) .
𝑃 = 𝑃 − 10𝑙𝑜𝑔(𝐷) + 𝑅 + 𝑋 (2-3)
𝑑 = ( ∆𝑡 − 𝜏)𝑐 (2-4)
𝑑 = ∆𝑡 ∗ 𝑐 (2-5)
figure 3.3 a : cas a <r figure 3.3 b : cas a > r
√𝟐
𝑉 ⃗ 𝑊⃗
𝑈 ⃗
(𝑉⃗, 𝑊⃗)
𝑼 ⃗ 𝑾⃗ 𝑽⃗
𝑼⃗ 𝟐 𝑽⃗ 𝟐 𝑾⃗ 𝟐 𝑽⃗ ∗ 𝑾⃗ ∗ 𝐜𝐨𝐬 𝜷
𝑽⃗ = 𝑼⃗ = 𝑹𝒄 𝑾⃗ = 𝒓
𝐑𝐜𝟐 = 𝐫𝟐+ 𝐑𝐜𝟐− 𝟐 ∗ 𝐫 ∗ 𝐑𝐜 ∗ 𝐂𝐨𝐬𝛃
𝐜𝐨𝐬 𝟏(𝟐∗𝑹𝒄𝒓 )
√2
√2
0 50 100 150 200 250 300 350 400
0 50 100 150 200 250 300 350 400
la propagation Radio "type de modulation numérique :0-QPSK (-dbm)
-160 -140 -120 -100 -80 -60 -40
√2𝑅
∀t, ∃ NRi tel que Distance (NRi, NRCm) < Rc
∀ ∃ NRi tel que
𝑥 = 𝑥 + 𝑖 ∗ 𝑑 𝑎𝑣𝑒𝑐 − 𝐿 ≤ 𝑖 ≤ 𝐿 𝑦 = 𝑦 + 𝑗 ∗ 𝑑 𝑎𝑣𝑒𝑐 − 𝐿 ≤ 𝑗 ≤ 𝐿 𝑒𝑡 ∶ 𝐿 = max(𝑖) 𝑡𝑒𝑙 𝑞𝑢𝑒 𝐿 ∗ 𝑑 < 𝑟 𝑥 + 𝑦 < 𝑟
√
𝑥 + 𝑦 < 𝑟
𝑥 + 𝑦 +
√ < 𝑟
𝑗 <
𝛼 = 𝛼 =
sin(𝛼) = sin =
𝑁𝒙 = 𝝅
𝑨𝒓𝒄𝒔𝒊𝒏(𝑹𝒄𝟐𝒓)
𝐺 = (𝑋 ∪ 𝑌, 𝑊)
|𝑌| 𝑒𝑠𝑡 𝑚𝑖𝑛𝑖𝑚𝑢𝑚
|| . || | . |
+ 1
| . |
𝑘 + 2 | . | − 1
𝑖 < |𝑖|
𝑗 < |𝑗|
√𝑅
𝛽
𝛽 𝛽
𝛽
𝛽 2𝜋 − 𝛽 (cf Figure 3-‐17)
Nous avons : 𝑎 = 𝑟𝜃̇
𝑎 = 𝑟𝜃̈
∀ ∃ NRCj tel que
∀t, ∃ NRCi tel que Distance (NRCi, puits) < Rc.
2𝛼
2𝛼 = 𝛼 =
sin(𝛼) = sin =
Algorithme 2 : Algorithme de routage faire
Si /N ou /N, diffuser pour tous Sinon
Si envoyer à Addest- Sinon envoyer à Addest+
Fin si Fin si
Algorithme 3 : Algorithme formel de routage Dans chaque nœud, pour tout paquet à envoyer, faire
Calculer 0 = ˙NT/2
Si /N- T˙/2 ou /N)- T˙/2, diffuser pour tous Sinon
Si 0 envoyer à Addest- Sinon envoyer à Addest+
Fin si Fin si
Réglage de B-MAC Période minimale d’échantillonnage
LPL désactivé 175 ms
LPL activé, période de test de 10 ms 1,350 s
LPL activé, période de test de 20 ms 2,450 s
LPL activé, période de test de 50 ms 5,850 s
4 http://www.ingelec.com
𝑃 = 𝑃 − 10𝑙𝑜𝑔(𝐷) + 𝑋
5http:// www.atmel.com/Images/doc2467.pdf
(𝑥 − 𝑥) + (𝑦 − 𝑦) = 𝑑 (𝑥 − 𝑥) + (𝑦 − 𝑦) = 𝑑 (𝑥 − 𝑥) + (𝑦 − 𝑦) = 𝑑
(𝑥 − 𝑥 ) + (𝑥 − 𝑥 ) + (𝑦 − 𝑦 ) + (𝑦 − 𝑦 ) = 𝑑 − 𝑑 (𝑥 − 𝑥 ) + (𝑥 − 𝑥 ) + (𝑦 − 𝑦 ) + (𝑦 − 𝑦 ) = 𝑑 − 𝑑
2𝑥(𝑥 − 𝑥 ) + 2𝑦(𝑦 − 𝑦 ) = 𝑑 − 𝑑 + 𝑥 − 𝑥 + 𝑦 − 𝑦 2𝑥(𝑥 − 𝑥 ) + 2𝑦(𝑦 − 𝑦 ) = 𝑑 − 𝑑 + 𝑥 − 𝑥 + 𝑦 − 𝑦
(𝑥 , 𝑦)
2 𝑥 − 𝑥 𝑦 − 𝑦 𝑥 − 𝑥 𝑦 − 𝑦 𝑥
𝑦 = (𝑑 − 𝑑 ) − (𝑥 − 𝑥 ) − (𝑦 − 𝑦 ) (𝑑 − 𝑑 ) − (𝑥 − 𝑥 ) − (𝑦 − 𝑦 )
𝐴𝑥 = 𝑏
𝑨 = 2(𝑥 − 𝑥 ) 2(𝑦 − 𝑦 )
2(𝑥 − 𝑥 ) 2(𝑦 − 𝑦 ) )
𝑩 = (𝑑 − 𝑑 ) − (𝑥 − 𝑥 ) − (𝑦 − 𝑦 ) (𝑑 − 𝑑 ) − (𝑥 − 𝑥 ) − (𝑦 − 𝑦 )
)
(𝑨𝒙 − 𝑩)𝑻(𝑨𝒙 − 𝑩)
𝑅𝑒𝑠 = ∑ (𝑥 − 𝑥) + (𝑦 − 𝑦) − 𝑑 3
)
(𝑥 , 𝑦)
𝑋 = {𝑥 , 𝑥 , 𝑥 , … , 𝑥 }
𝑒(𝑡) = 𝑑 (𝑡) − 𝑦 (𝑡)
𝑑 (𝑡) 𝑦 (𝑡)
𝐸(𝑡) =1
2 𝑑 (𝑡) − 𝑦 (𝑡)
//xi représente l’enregistrement d’une empreinte à la position i : 𝑋 = {𝑥 , 𝑥 , 𝑥 , … , 𝑥 } ⊂ ℛ // L’ensemble des poids synaptiques p est initialisée par des petites valeurs aléatoires Tel que Wi
∈ [-0,5, 0,5]
// Organiser les données d'apprentissage aléatoire, i :=1 // N : le nombre maximum d’itération
//Avec 𝑦 (𝑛) : représente la sortie du nœud j à l’itération n,
While (n< N) {
//Calculer sur la couche de sortie 𝑦 (𝑛) .
𝑦 (𝑛) =
( ∑ × )// Calculer les deltas de la couche précédente par propagation arrière de l’erreur // Ajuster les poids de chaque neurone j en utilisant la règle delta
Tel que 𝑤 (𝑛) = 𝑤 (𝑛 − 1) + 𝜂 × 𝛿 (𝑛) × 𝑦 (𝑛)
Avec 𝛿 (𝑛) = 𝑦 (𝑛) × 1 − 𝑦 (𝑛) × 𝑒 (𝑛) // Tel que 0 <η <1 est un taux d'apprentissage fixe
𝛿 (𝑛) = 𝑦 (𝑛) × (1 − 𝑦 (𝑛)) × 𝛿 (𝑛) × 𝑤 (𝑛)
∈
n=n+1
} Until // répéter pour l’entrée suivante, jusqu’à ce que l’erreur en sortie soit inférieure à la limite fixée ou le nombre maximum d’itération soit atteint
-
Cas1 Cas 2 Cas 3 Cas 4
E.T V.M E.T V.M E.T V.M E.T V.M
5 neurones 0,0229 1,1077 0,0017 0,0711 0,0034 0,1401 0,0015 0,0595 10 neurones 0,0052 0,4004 0,0013 0,0545 0,0033 0,1388 0,0015 0,0593 15 neurones 0,0280 1,2651 0,0011 0,0441 0,0033 0,1395 0,0015 0,0597 20 neurones 0,0170 0,7999 0,0013 0,0530 0,0034 0,1398 0,0015 0,0594 25 neurones 0,0137 0,6572 0,0013 0,0516 0,0225 0,9802 0,0015 0,0593 30 neurones 0,0100 0,5079 0,0014 0,0555 0,0192 0,8805 0,0015 0,0595 40 neurones 0,0083 0,6020 0,0017 0,0714 0,0033 0,1381 0,0015 0,0597 45 neurones 0,0308 1,2050 0,0023 0,0926 0,0221 0,9646 0,0015 0,0596 50 neurones 0,0174 0,8146 0,0033 0,1329 0,0033 0,1378 0,0015 0,0595 100 neurones 0,0903 2,5417 0,0886 2,5287 0,0875 2,5079 0,0858 2,5177
Utilisation des relais pour localisation (ancres ou cellule)
